千台订单在手，瞄准万台交付！星海图亮出具身智能全栈能力

8月21日，2026世界机器人大会期间，星海图在北人亦创会展中心举办了“从模型到生产力”技术与产业应用论坛。

本次论坛汇聚海内外高校科研专家、开发者、企业高管等，围绕具身基础模型创新、整机演进、商业化落地和技术边界展开分享，呈现了技术迭代与产业落地的最新思考。

解锁技术底座三大进展，G0.5 MAX即将发布

星海图首席科学家赵行在题为《从模型到生产力：构建通用具身智能的系统闭环》的演讲中指出，具身智能技术正沿本能智能、作业智能、进化智能三个层级演进，行业正从单点技术突破迈入模型、数据、本体、基础设施与应用系统性竞争的新阶段。

围绕这一判断，星海图搭建起完整的具身智能生产力飞轮：从产业场景出发沉淀真机数据，通过数据驱动模型迭代进化，再由模型赋能机器人本体完成物理作业，依靠基础设施支撑集群持续迭代优化，最终反哺产业应用，形成自强化的正向循环。

技术底座的三大重磅进展包括：

第一，G0.5基础模型升级与开源共建。G0.5基础模型创新性内嵌原生动作思维链，将图像感知、语言理解、逻辑推理与动作生成统一在一套自回归数据流中。自发布后，G0.5在 LIBERO、RoboTwin 2.0 等 8 项国际权威评测基准上，整体性能全面超越行业 SOTA。同时，G0.5 MAX 版本即将发布，模型综合能力将得到进一步强化。

为推动行业开源生态建设，星海图也正式启动了G0.5 复现计划。该计划面向全球科研机构与开发者完整开放模型权重、推理接口、评测基准与全套微调工具。围绕“仿真复现”、“真机复现”与“开源共创”三个方向，鼓励开发者进行深度验证。

第二，预告Fast-WAM 世界模型的预训练大模型计划。该模型在推理阶段跳过了生成未来视频的环节，将单步推理延迟从传统范式的约800毫秒缩短至190毫秒，实现了4倍以上的提速。赵行透露，基于Fast-WAM架构的预训练大模型也将正式推出，届时将具备更快的推理速度和更强的跨任务、跨物体、跨场景泛化能力。

第三， G-Fleet 分布式强化学习系统正式发布。作为面向真实机器人集群持续学习的分布式基础设施，G-Fleet 完整支持集群级策略下发、并行真机 Rollout、真实场景数据回流、人工干预校准、分布式强化学习训练、自动评测与版本发布全流程，打通“模型部署-真实世界交互-数据筛选-迭代训练-新版本发布”闭环，解决大批量真机部署后，如何在物理环境下安全高效完成持续进化的行业难题。

新一代轮式双臂机器人Nexo领衔，三大整机新品承载生产力

星海图合伙人兼COO李天威以《面向具身智能生产力的下一代整机进化》为题发表演讲。他的开场指出整机设计的核心命题：“对于智能来说，迭代是无穷无尽的；但对于硬件，必须有聚焦”。

他将“智能定义本体”拆解为三层工程含义：智能关注速度，整机提供机电节拍；智能关注精度，整机提供0.1毫米重复定位精度、0.1N 力控精度支撑；智能关注泛化性，整机须具备从遥操作数据到Egocentric数据的完整迁移能力。整机不是被动的“壳”，而是智能能力的物理延伸。

“如今，智能定义本体不再是唯一的核心意见者，我们拥有了新一批关键的意见发声者——产业客户。”李天威指出，他们对可靠性、寿命、冷热交替环境适应性提出了远超实验室原型的要求，这正是星海图过去一年重点攻坚的方向。现场还发布了三大整机平台的最新进展：

一是新一代旗舰轮臂人形机器人Nexo，定位为面向通用作业的“具身体”，产品搭载全域云控的力触能力，双臂峰值可达 20 kg 负载，面向电商零售、工业制造、快递物流、商业服务四大应用场景。Nexo 配备 8 小时续航，可支撑 7×24 小时连续作业，并提供快充、换电、自主回充三种补能模式。

二是双足人形产品Kengo，机电传动系统由星海图全自研，目标指向能源、电力、全域勘探、设备巡检等轮式底盘难以覆盖的非结构化场景。

三是面向开发者生态的Lemo，一款高性价比双臂桌面操作平台，通过自研遥操作系统即可完成穿针引线级的精细操作。

星海图新一代轮式双臂机器人Nexo

李天威还提到：截至目前，星海图已交付千台级模型驱动的真实生产力订单，明年的交付目标为万台以上。这份成果背后，来自产业合作伙伴产能共建，以及整机在可靠性、寿命、宽温域环境适应性等维度的持续迭代历练。“具身智能的成功，不会是一家一户的成功，一定是整个产业生态的共同努力”。

多元全球视角汇聚，新一代AI前沿技术力量同场碰撞

两场圆桌分别从商业落地与技术探索两个维度展开。

产业圆桌由星海图合伙人、营销服总裁虞磊主持，General Robotics 创始人兼 CEO Ashish Kapoor、Mr.Robot 创始人兼 Jemco Group CEO Edwin Yap、德马科技集团首席技术官王凯、京东零售具身智能高级专家田瑞林参与对话。

虞磊指出，机器人能否真正实现生产力落地，取决于市场需求、技术迭代、数据积累与供应链、商业模式能否打通等多重因素，但他判断这一天会比想象中更快到来。王凯直言，海外市场投资回报周期更短、客户对现阶段机器人能力的接受度更高，德马科技的策略是"先出海，再深耕国内"；但他也指出，ROI能否算得过来，仍是规模化落地的最终卡点。田瑞林从大厂视角补充，京东计划2028年实现百万级机器人部署，通过通用底座加垂直模型的架构赋能各行业。

海外嘉宾提供了不同市场的观察角度。Ashish Kapoor表示，北美企业已将机器人视作“必答题”，但过高的ROI预期和人才高流动性，仍是长期落地的障碍。Edwin Yap结合东南亚经验指出，该地区无法采用统一策略；马来西亚、越南等市场成本低、手工作业场景多，反而成为机器人数据采集的天然土壤。多位嘉宾提到，跨企业、跨国界的生态协作将成为行业趋势。

技术圆桌由硅谷101联合创始人陈茜主持，星海图首席科学家赵行、DynaRobotics联合创始人杨世远（线上）、北京通用人工智能研究院具身机器人中心主任黄思远、清华大学深圳国际研究生院助理教授于超、Current Robotics（元流智能）创始人兼CEO祝毅晨、北京大学人工智能研究院助理教授李昊轩共同参与。

针对“世界模型是否只是行业热词”的争议，嘉宾们认为行业内技术路线尚未收敛——有的团队侧重表征学习，有的专注模拟器构建，还有的转向3D建模。

杨世远分享了来自硅谷的反直觉数据：基于百万小时人类视频预训练后，机器人测试集的模型精度反而下降，印证了从"看懂世界"到"动手做事"之间存在巨大鸿沟。赵行则认为，具身数据的采集空间足够大，随着产业与推动，数据供给问题不必过度担忧。于超指出，预训练划定能力边界，后训练才是拓展边界的关键，但目前高度依赖人工介入，规模化仍有距离。李昊轩从因果推断角度补充，现有训练多停留在相关性层面，机器人需具备反事实思考能力，才能真正理解动作与结果的因果关系。

圆桌最后，嘉宾各自用一句话总结行业最需突破的方向，观点汇集为五大关键命题：原生多模态模型架构、人类数据高效利用、因果推理能力、基础设施开源共建、高价值场景闭环迭代。

本次论坛集中呈现了星海图从模型、基础设施到整机的完整体系化能力。当前，具身智能正处在从实验室原型走向产业生产力的关键阶段，既需要底层算法的持续突破，也离不开硬件工程打磨、开源生态建设与真实场景沉淀。未来，公司将持续推动模型与本体的协同迭代，联动产学研多方伙伴，让具身智能技术真正落地千行万业。